【caffe】在windows平台中安装caffe（一）：基础安装及简单测试

基础配置

本文中的配置：win10 + vs2015 + python2.5 + cmake3.12 + git2.15 + CUDA8.0 + cuDNN-8.0-5
在进行windows下的caffe安装前，一定要把以上的这些软件安装好，并加入系统路径中。其中python可安装2.5或者3.6版本，3.7版本的话会出现编译错误。

下载caffe-windows

在这里的github中下载我们所需的安装文件。
可以看到下面的安装说明中对系统软件有如下的要求：

Requirements：
Visual Studio 2013 or 2015
Technically only the VS C/C++ compiler is required (cl.exe)
CMake 3.4 or higher (Visual Studio and Ninja generators are supported)

Optional Dependencies:
Python for the pycaffe interface. Anaconda Python 2.7 or 3.5 x64 (or Miniconda)
Matlab for the matcaffe interface.
CUDA 7.5 or 8.0 (use CUDA 8 if using Visual Studio 2015)
cuDNN v5

其中前面是必需要的软件，后面是可选的。如果需要在python或matlab中使用caffe，就提前将对应的软件安装好，这里推荐使用anaconda来安装python，且一定要注意python的版本为2.7或3.5，3.6版本的python这里是没法编译通过的。如果有gpu的话，可以安装对应版本的cuda和cudnn。

在电脑中新建一个文件夹，用来存放下载的caffe文件。教程中的cmd命令如下所示:

C:\Projects> git clone https://github.com/BVLC/caffe.git
C:\Projects> cd caffe
C:\Projects\caffe> git checkout windows
:: Edit any of the options inside build_win.cmd to suit your needs
C:\Projects\caffe> scripts\build_win.cmd

注意最后一步是指运行build_win.cmd文件，在运行之前要修改build_win.cmd文件中的内容，主要是在大约70行左右的else内容中修改MSVC_VERSION版本、NINJA、PYTHON版本、CPU_ONLY等内容：

set MSVC_VERSION=14  // 选择vs15作为编译器，若是选择vs13的话，值改为12
set WITH_NINJA=0  // 表示不采用NINJA方式进行编译
set CPU_ONLY=1 // 表示不采用CPU方式进行编译
set PYTHON_VERSION=2 // 选择2.7版本的python，若是3.5版本的话，值改为3

此外在代码最后的cmake部分中，将指定的cuda路径加入：

-DCUDNN_ROOT=D:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v8.0 ^

运行build_win.cmd

这是整个安装过程中最重要也是最容易出错的地方。在cmd命令行中输入

E:\Windows_caffe\caffe> scripts\build_win.cmd

系统就会自动进行运行和编译。这里记录一下我在编译过程中遇到的错误及解决方法，以供大家参考。

1. 找不到C编译器
   – The C compiler identification is unknown
   –The CXX compiler identification is unknown

解决方法：参考这里的方法，我的问题是没有把VS中的rc.exe和rcdll.dll放到Windows Kits中，将这两个文件拷贝过去后问题就解决了。

只要没有出现错误，警告可以忽略，成功编译后显示：

编译caffe.sln

在上面成功运行后，可以看到caffe文件夹中生成了caffe.sln工程文件，在vs2015中打开工程文件，如下所示：

对整个解决方案进行编译

等待系统编译完成。编译完成后，可以看到在caffe路径下生成了caffe.exe文件，我的具体路径是：

E:\Windows_caffe\caffe\scripts\build\tools\Release\caffe.exe

将该路径加入到系统path中，在cmd的对应路径下输入caffe.exe -version，得到以下结果，说明caffe已经安装成功了。

E:\Windows_caffe\caffe\scripts\build\tools\Release>caffe.exe -version
caffe.exe version 1.0.0

在mnist数据集中进行测试

安装好了caffe后，就开始在mnist数据集中测试一下吧。
参考这里的mnist数据集下载教程，将下载好的test数据和train数据放在caffe路径下的data中

在caffe中的examples中，可以看到有很多例子，打开mnist文件夹：

E:\Windows_caffe\caffe\examples\mnist

分别修改lenet_solver.prototxt和lenet_train_test.prototxt文件，主要是修改文件中指定的test和train数据地址，将其改为自己电脑中实际的数据地址：

// lenet_train_test.prototxt文件中的train和test数据路径修改
name: "LeNet"
layer {
  name: "mnist"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TRAIN
  }
  transform_param {
    scale: 0.00390625
  }
  data_param {
    source: "E:/Windows_caffe/caffe/data/mnist/mnist_train_lmdb"
    batch_size: 64
    backend: LMDB
  }
}

layer {
  name: "mnist"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TEST
  }
  transform_param {
    scale: 0.00390625
  }
  data_param {
    source: "E:/Windows_caffe/caffe/data/mnist/mnist_test_lmdb"
    batch_size: 100
    backend: LMDB
  }
}

// lenet_solver.prototxt文件中指定net的路径修改
# The train/test net protocol buffer definition
net: "E:/Windows_caffe/caffe/examples/mnist/lenet_train_test.prototxt"

新建一个bat文件，内容如下：

E:\Windows_caffe\caffe\scripts\build\tools\Release\caffe.exe  train --solver=E:\Windows_caffe\caffe\examples\mnist\lenet_solver.prototxt 

Pause

直接运行，等待片刻训练结束就可以看到最终的结果: